書生安全云CTO金友兵
在金友兵看來,網(wǎng)絡(luò)信息安全是實現(xiàn)海量信息存儲與共享的必要條件,眾多巨頭的信息泄露事件使大家感到岌岌可危。而書生安全云致力于為用戶提供絕對安全的存儲環(huán)境,這次活動旨在力邀業(yè)界網(wǎng)絡(luò)攻防高手共同驗證。
為此,書生安全云技術(shù)挑戰(zhàn)賽在ISC中國互聯(lián)網(wǎng)安全大會上拉開戰(zhàn)火。比賽內(nèi)容較為簡單,就是在比賽開始前公開其服務(wù)器密碼,參賽選手自由訪問所有數(shù)據(jù),在規(guī)定時間內(nèi)獲取文件明文為挑戰(zhàn)成功。
這形式雖然不復(fù)雜,但仔細分析比賽題目,我們就會發(fā)現(xiàn):在比賽開始前公開服務(wù)器密碼,就意味著裝載數(shù)據(jù)的服務(wù)器完全不設(shè)防,而完全依靠書生安全云自身的防護技術(shù)保障數(shù)據(jù)安全。一句話就能說明白的技術(shù)比賽,卻已經(jīng)可以與拳拳到肉的真硬功較量的兇險程度等量齊觀了。
此次書生安全云技術(shù)挑戰(zhàn)賽獎項設(shè)置十萬完勝大獎,且其他參賽者也有機會抽到鼓舞基金,以推動云安全技術(shù)的研發(fā)積極性,連現(xiàn)場打醬油都有觀戰(zhàn)獎,引起眾人躍躍欲試。
書生安全云負責(zé)人透露,此舉是證明書生安全云可以利用自有專利技術(shù)為用戶提供絕對安全的存儲環(huán)境,所以才敞開服務(wù)器與黑白高手一決高下。這種做法也恰恰符合ISC大會所倡導(dǎo)的交流安全的主題。
當前,隨著云計算和移動互聯(lián)網(wǎng)的發(fā)展,海量信息存儲與共享已經(jīng)越來越普及,但網(wǎng)絡(luò)信息安全卻一直是一塊短板,這讓云存儲變成了被污染的麻辣小龍蝦,食時辣爽無限,食完后患無窮。從棱鏡門到最近的icloud艷照泄露,各類巨頭的信息泄露事件無情地讓用戶與他們心中的產(chǎn)品神話人各天涯。為此,廣大用戶急需重拾信心。
另一方面,各級安全廠商雖然盡了最大努力,但云存儲的風(fēng)險始終存在。而在云存儲世界,想要徹底杜絕信息泄露損壞,技術(shù)創(chuàng)新才是關(guān)鍵。
金友兵表示,書生安全云的網(wǎng)絡(luò)安全理念是:用戶本人以外的任何人都不可信。他提出:第一,云存儲的數(shù)據(jù)要足夠安全,不僅能防外,還要防內(nèi);第二,云服務(wù)的網(wǎng)絡(luò)安全和系統(tǒng)安全是前提;第三,云服務(wù)的數(shù)據(jù)安全是企業(yè)級應(yīng)用的基礎(chǔ)。
打破安全瓶頸
再說到技術(shù)創(chuàng)新,書生安全云相關(guān)負責(zé)人介紹,在技術(shù)支撐的基礎(chǔ)上,書生安全云已然找到了新的突破口,打造了一個無縫且閉合的安全環(huán)。將所有的加解密操作從服務(wù)器端轉(zhuǎn)移到了客戶端,安全密鑰僅用戶一人持有,系統(tǒng)管理員也無法觸及。
除此之外,每個文檔的六層防護又為數(shù)據(jù)信息再扣上一把鎖,加固了信息防護的堡壘。擺脫了物理存儲服務(wù)器限制,信息被放置在云端,降低了成本的同時環(huán)保,減少物理機的散熱減緩地球變暖,因為也被大家戲稱為“1℃安全云“。
最后,金友兵強調(diào),將來云存儲比本地存儲更安全。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。